CN115422456A - 基于智能外呼技术与大数据分析的产品推送方法及装置 - Google Patents

Abstract

本申请提供了一种基于智能外呼技术与大数据分析的产品推送方法及装置，涉及人工智能领域，可应用于金融领域和其他领域，所述方法包含：获取用户的产品使用记录和身份信息，根据所述产品使用记录和所述身份信息通过特征工程提取对应的特征数据；根据所述特征数据通过聚类分析获得各用户的第一集合，通过LightBGM算法分别对各第一集合内用户的特征数据进行机器学习构建对应第一集合的筛选模型；通过所述筛选模型分析采集到的用户的所述特征数据获得目标用户信息；根据所述目标用户信息进行产品推送。

Description

基于智能外呼技术与大数据分析的产品推送方法及装置

技术领域

本申请涉及人工智能领域，可应用于金融领域和其他领域，尤指一种基于智能外呼技术与大数据分析的产品推送方法及装置。

背景技术

在现有技术中，金融类产品的推广目前主要通过充分发挥客户经理的营销专场，结合人工电话营销优势，开展一对一的外呼营销推介。该方式给人工带来严重的负担，尤其是在目标市场对于产品的需求分布不清晰、需求人群不确定的情况下，大范围的人工外呼将极大的降低人工效率。

同时，用户的体验也较差，容易给不感兴趣的用户带来不必要的干扰；为提高推介的精准度，业内主要采用关系图谱的方式予以提高上述人工效率，但是常规的关系图谱的推荐方法灵活度较差，且一次计算后无法动态调整，对后续的精准度无法得到有效保证。

因此，如何能够提高对客户的感知，筛选具有明确需求的客户开展精准营销，是业务一线亟待解决的问题。

发明内容

本申请目的在于提供一种基于智能外呼技术与大数据分析的产品推送方法及装置，结合大数据分析和智能外呼技术予以实现端到端的问题闭环，从目标客户清单筛选到智能外呼营销形成全自动化的解决方案。

为达上述目的，本申请所提供的一种基于智能外呼技术与大数据分析的产品推送方法，所述方法包含：获取用户的产品使用记录和身份信息，根据所述产品使用记录和所述身份信息通过特征工程提取对应的特征数据；根据所述特征数据通过聚类分析获得各用户的第一集合，通过LightBGM算法分别对各第一集合内用户的特征数据进行机器学习构建对应第一集合的筛选模型；通过所述筛选模型分析采集到的用户的所述特征数据获得目标用户信息；根据所述目标用户信息进行产品推送。

在上述基于智能外呼技术与大数据分析的产品推送方法中，可选的，根据所述目标用户信息进行产品推送还包含：获取目标用户根据推送的产品反馈的情感意愿；将所述情感意愿和所述目标用户信息关联后提供至预定位置。

在上述基于智能外呼技术与大数据分析的产品推送方法中，可选的，获取目标用户根据推送的产品反馈的情感意愿包含：根据所述产品推送结果获得目标用户的交互语音信息；将所述交互语音信息转换为文本数据后进行对象分离获得目标用户的沟通文本数据；根据所述沟通文本数据通过自然语言分析技术识别目标用户的情感意愿。

在上述基于智能外呼技术与大数据分析的产品推送方法中，可选的，所述产品使用记录包含预设周期内的信用卡分期记录、信用卡交易记录和金融行为信息。

在上述基于智能外呼技术与大数据分析的产品推送方法中，可选的，通过所述筛选模型分析采集到的用户的所述特征数据获得目标用户信息包含：根据采集到的用户的所述特征数据获得对应的类别；根据所述特征数据的类别确定预存的筛选频率；根据所述筛选频率调用所述筛选模型分析所述特征数据获得目标用户信息。

在上述基于智能外呼技术与大数据分析的产品推送方法中，可选的，根据所述特征数据通过聚类分析获得各用户的第一集合包含：根据所述特征数据分类统计用户对应的用户信息、账户信息和交易信息；根据所述用户信息、所述账户信息和所述交易信息通过聚类分析将用户划分为多组不同优先级的第一集合。

在上述基于智能外呼技术与大数据分析的产品推送方法中，可选的，所述方法还包含：按预设周期采集用户的产品使用记录和身份信息，根据所述产品使用记录和所述身份信息对应的特征数据通过聚类分析获得各用户的第二集合；将第二集合与第一集合比较获得差异比例值，将所述差异比例值与预设阈值比较；根据比较结果调整各第一集合对应的所述筛选模型。

本申请还提供一种基于智能外呼技术与大数据分析的产品推送装置，所述装置包含特征提取模块、训练模块、筛选模块和推送模块；所述特征提取模块用于获取用户的产品使用记录和身份信息，根据所述产品使用记录和所述身份信息通过特征工程提取对应的特征数据；所述训练模块用于根据所述特征数据通过聚类分析获得各用户的第一集合，通过LightBGM算法分别对各第一集合内用户的特征数据进行机器学习构建对应第一集合的筛选模型；所述筛选模块用于通过所述筛选模型分析采集到的用户的所述特征数据获得目标用户信息；所述推送模块用于根据所述目标用户信息进行产品推送。

本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。

本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。

本申请还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。

本申请的有益技术效果在于：通过组合串联现有关键技术(大数据分析、智能外呼)，形成关于目前分期产品推介营销的自动化解决方法，能较大程度缓解人工压力，同时能抓住营销关键期，提升产品推介精准度和用户的友好度。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，并不构成对本申请的限定。在附图中：

图1为本申请一实施例所提供的基于智能外呼技术与大数据分析的产品推送方法的流程示意图；

图2为本申请一实施例所提供的用户反馈流程示意图；

图3为本申请一实施例所提供的情感意愿的获取流程示意图；

图4为本申请一实施例所提供的目标用户信息的筛选频率调整流程示意图；

图5为本申请一实施例所提供的第一集合的获取流程示意图；

图6为本申请一实施例所提供的筛选模型调整的流程示意图；

图7为本申请一实施例所提供的基于智能外呼技术与大数据分析的产品推送装置的结构示意图；

图8为本申请一实施例所提供的电子设备的结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本申请中的各个实施例及各实施例中的各个特征可以相互结合，所形成的技术方案均在本申请的保护范围之内。

另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

需要说明的是，本申请公开的客户信息挖掘方法及装置可用于金融技术领域，也可用于除金融技术领域之外的任意领域，本申请公开的客户信息挖掘方法及装置的应用领域不做限定。

请参考图1所示，本申请所提供的一种基于智能外呼技术与大数据分析的产品推送方法，所述方法包含：

S101获取用户的产品使用记录和身份信息，根据所述产品使用记录和所述身份信息通过特征工程提取对应的特征数据；

S102根据所述特征数据通过聚类分析获得各用户的第一集合，通过LightBGM算法分别对各第一集合内用户的特征数据进行机器学习构建对应第一集合的筛选模型；

S103通过所述筛选模型分析采集到的用户的所述特征数据获得目标用户信息；

S104根据所述目标用户信息进行产品推送。

其中，所述产品使用记录包含预设周期内的信用卡分期记录、信用卡交易记录和金融行为信息。具体的，在实际工作中，可通过银行内部的用户数据结合大数据分析技术通过特征工程累积形成数据特征，其后基于机器学习算法建立对应的预测模型来分析该些数据特征以筛选目标用户群，由此减低人工筛选的复杂度的同时，提高命中精准度。

本申请中技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

请参考图2所示，在本申请一实施例中，根据所述目标用户信息进行产品推送还包含：

S201获取目标用户根据推送的产品反馈的情感意愿；

S202将所述情感意愿和所述目标用户信息关联后提供至预定位置。

具体请参考图3所示，其中获取目标用户根据推送的产品反馈的情感意愿可包含：

S301根据所述产品推送结果获得目标用户的交互语音信息；

S302将所述交互语音信息转换为文本数据后进行对象分离获得目标用户的沟通文本数据；

S303根据所述沟通文本数据通过自然语言分析技术识别目标用户的情感意愿。

在实际工作中，所述交互语音信息可包含交互轮次、交互时间、交互结束节点和语音文件，所述语音文件作用在于根据自然语言分析法确定其语义，其后判断用户的情绪，而交互轮次、交互时间和交互结束节点均用于辅助判断用户心情，具体使用方式可根据实际需要选择使用，本申请在此并不做进一步限定。整体智能外呼流程可擦考如下所示：

客户通话信息获取：进行分期产品推荐外呼，并收集与客户进行交互的情况，包括交互轮次、交互时间、交互结束节点、语音文件。

语句分析处理：采用自动语音识别技术(ASR)对待前述步骤中的语音文件进行录音转文本的处理，实现坐席语句、客户语句的分离，接着采用自然语言处理(NLP)技术以及预设分析模型，确定客户办理分期产品的意愿级别。该模型中包含客户感情标示、回答语句为肯定、否定或不确定。

外呼结果展示：将以上外呼清单以及对应的意愿级别进行标示，并通过系统向业务人员展示，便于业务人员进行下一步操作处理。

其中节点间的判断规则可参考以下表1所示：

表1

请参考图4所示，在本申请一实施例中，通过所述筛选模型分析采集到的用户的所述特征数据获得目标用户信息包含：

S401根据采集到的用户的所述特征数据获得对应的类别；

S402根据所述特征数据的类别确定预存的筛选频率；

S403根据所述筛选频率调用所述筛选模型分析所述特征数据获得目标用户信息。

在实际工作中，根据所述特征数据获得对应的类别的方式可采用数值比较法或表格比较法，以表格比较法为例，可参考以下表2所示：

表2

由此根据该些指标对应的频率，可确定新采集到的所述特征数据属于哪一类对应何种频率，例如某日A用户出现信用卡余额变动，此特征数据属于按日变动频率，为此在日终时可对该特征数据进行分析，确认该用户是否符合目标用户的条件；而静态基本指标和静态银行指标所对应信息的变动属于长期稳定类数据，该数据轻易不会发生变动，因此可设置更长的筛选周期予以分析，如三个月一次筛选分析等；当然，本领域相关技术人员也可根据实际情况选择对应的筛选频率，以此在保证消息即时性的同时，降低不必要的计算资源损耗。

请参考图5所示，在本申请一实施例中，根据所述特征数据通过聚类分析获得各用户的第一集合可包含：

S501根据所述特征数据分类统计用户对应的用户信息、账户信息和交易信息；

S502根据所述用户信息、所述账户信息和所述交易信息通过聚类分析将用户划分为多组不同优先级的第一集合。

具体的，实际工作中因不用用户存在不同的倾向，为此在上述实施例中通过用户的相关信息如用户信息、账户信息和交易信息等按用户价值或消费倾向等定义规则将用户划分为多个集群，每个集群对应不同的优先级；其后，针对每个集群分别进行LightBGM建模，予以通过建模生成的筛选模型有效筛选对应的目标用户。

请参考图6所示，在本申请一实施例中，所述方法还包含：

S601按预设周期采集用户的产品使用记录和身份信息，根据所述产品使用记录和所述身份信息对应的特征数据通过聚类分析获得各用户的第二集合；

S602将第二集合与第一集合比较获得差异比例值，将所述差异比例值与预设阈值比较；

S603根据比较结果调整各第一集合对应的所述筛选模型。

具体的，在实际工作中，该实施例的目的在于按预设的周期更新筛选模型以提高各模型的准确性，实现动态调节的目的；在此过载中，比较第一集合和第二集合的方式可采用相似性比较法或关联比对法等方式，本申请在此并不做进一步限定；所述第二集合生成方法可参考第一集合的生成方式，两者均是利用特征提取配合聚合分类完成，在此就不再一一详述。

请参考图7所示，本申请还提供一种基于智能外呼技术与大数据分析的产品推送装置，所述装置包含特征提取模块、训练模块、筛选模块和推送模块；所述特征提取模块用于获取用户的产品使用记录和身份信息，根据所述产品使用记录和所述身份信息通过特征工程提取对应的特征数据；所述训练模块用于根据所述特征数据通过聚类分析获得各用户的第一集合，通过LightBGM算法分别对各第一集合内用户的特征数据进行机器学习构建对应第一集合的筛选模型；所述筛选模块用于通过所述筛选模型分析采集到的用户的所述特征数据获得目标用户信息；所述推送模块用于根据所述目标用户信息进行产品推送。在实际工作中，各组件的具体实现逻辑已在前述实施例中分别予以说明，在此就不再一一详述。

本申请的有益技术效果在于：通过组合串联现有关键技术(大数据分析、智能外呼)，形成关于目前分期产品推介营销的自动化解决方法，能较大程度缓解人工压力，同时能抓住营销关键期，提升产品推介精准度和用户的友好度。

本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。

本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。

本申请还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。

如图8所示，该电子设备600还可以包括：通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是，电子设备600也并不是必须要包括图8中所示的所有部件；此外，电子设备600还可以包括图8中没有示出的部件，可以参考现有技术。

如图8所示，中央处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器100接收输入并控制电子设备600的各个部件的操作。

其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序，以实现信息存储或处理等。

输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142，该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。

存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。

基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到中央处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种基于智能外呼技术与大数据分析的产品推送方法，其特征在于，所述方法包含：

获取用户的产品使用记录和身份信息，根据所述产品使用记录和所述身份信息通过特征工程提取对应的特征数据；

根据所述特征数据通过聚类分析获得各用户的第一集合，通过LightBGM算法分别对各第一集合内用户的特征数据进行机器学习构建对应第一集合的筛选模型；

通过所述筛选模型分析采集到的用户的所述特征数据获得目标用户信息；

根据所述目标用户信息进行产品推送。

2.根据权利要求1所述的基于智能外呼技术与大数据分析的产品推送方法，其特征在于，根据所述目标用户信息进行产品推送还包含：

获取目标用户根据推送的产品反馈的情感意愿；

将所述情感意愿和所述目标用户信息关联后提供至预定位置。

3.根据权利要求2所述的基于智能外呼技术与大数据分析的产品推送方法，其特征在于，获取目标用户根据推送的产品反馈的情感意愿包含：

根据所述产品推送结果获得目标用户的交互语音信息；

将所述交互语音信息转换为文本数据后进行对象分离获得目标用户的沟通文本数据；

根据所述沟通文本数据通过自然语言分析技术识别目标用户的情感意愿。

4.根据权利要求1所述的基于智能外呼技术与大数据分析的产品推送方法，其特征在于，所述产品使用记录包含预设周期内的信用卡分期记录、信用卡交易记录和金融行为信息。

5.根据权利要求1所述的基于智能外呼技术与大数据分析的产品推送方法，其特征在于，通过所述筛选模型分析采集到的用户的所述特征数据获得目标用户信息包含：

根据采集到的用户的所述特征数据获得对应的类别；

根据所述特征数据的类别确定预存的筛选频率；

根据所述筛选频率调用所述筛选模型分析所述特征数据获得目标用户信息。

6.根据权利要求1所述的基于智能外呼技术与大数据分析的产品推送方法，其特征在于，根据所述特征数据通过聚类分析获得各用户的第一集合包含：

根据所述特征数据分类统计用户对应的用户信息、账户信息和交易信息；

根据所述用户信息、所述账户信息和所述交易信息通过聚类分析将用户划分为多组不同优先级的第一集合。

7.根据权利要求1所述的基于智能外呼技术与大数据分析的产品推送方法，其特征在于，所述方法还包含：

按预设周期采集用户的产品使用记录和身份信息，根据所述产品使用记录和所述身份信息对应的特征数据通过聚类分析获得各用户的第二集合；

将第二集合与第一集合比较获得差异比例值，将所述差异比例值与预设阈值比较；

根据比较结果调整各第一集合对应的所述筛选模型。

8.一种基于智能外呼技术与大数据分析的产品推送装置，其特征在于，所述装置包含特征提取模块、训练模块、筛选模块和推送模块；

所述特征提取模块用于获取用户的产品使用记录和身份信息，根据所述产品使用记录和所述身份信息通过特征工程提取对应的特征数据；

所述训练模块用于根据所述特征数据通过聚类分析获得各用户的第一集合，通过LightBGM算法分别对各第一集合内用户的特征数据进行机器学习构建对应第一集合的筛选模型；

所述筛选模块用于通过所述筛选模型分析采集到的用户的所述特征数据获得目标用户信息；

所述推送模块用于根据所述目标用户信息进行产品推送。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一所述方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有由计算机执行权利要求1至7任一所述方法的计算机程序。

11.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至7任一所述方法的步骤。

Images